[发明专利]人脸检测方法、装置、计算机设备和存储介质

权利要求书

1.一种人脸检测方法，其特征在于，所述方法包括：

获取待检测图像，所述待检测图像中包括待检测人脸；

通过检测模型对所述待检测图像进行特征的提取，得到人脸特征，所述检测模型包括轻量级的反卷积模块，所述轻量级的反卷积模块包括一个通用卷积层、一个反卷积层以及一个可分离卷积层；

对所述人脸特征进行回归预测，得到所述待检测人脸的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述通过检测模型对所述待检测图像进行特征的提取，得到人脸特征，包括：

通过所述检测模型的各卷积模块对所述待检测图像进行多尺度特征的提取，得到对应各尺度的初始特征；

从多个尺度中确定目标尺度，并确定对应各目标尺度的各初始特征为目标初始特征；

通过所述轻量级的反卷积模块对各所述目标初始特征进行反卷积处理，生成对应各所述目标尺度的人脸特征。

3.根据权利要求2所述的方法，其特征在于，所述通过所述轻量级的反卷积模块对各所述目标初始特征进行反卷积处理，生成对应各所述目标尺度的人脸特征，包括：

根据所述目标尺度中最小尺度的目标初始特征，得到对应最小目标尺度的人脸特征；

通过所述轻量级的反卷积模块对所述最小尺度的目标初始特征进行反卷积处理，生成对应第一目标尺度的目标特征；

对所述第一目标尺度对应的目标特征以及所述第一目标尺度对应的目标初始特征进行融合处理，得到对应所述第一目标尺度的人脸特征；

将所述第一目标尺度对应的目标初始特征作为最小尺度的目标初始特征，并继续进行反卷积处理以及融合处理，直至得到对应所有目标尺度的人脸特征。

4.根据权利要求3所述的方法，其特征在于，所述通过所述轻量级的反卷积模块对所述最小尺度的目标初始特征进行反卷积处理，生成对应第一目标尺度的目标特征，包括：

通过所述通用卷积层对所述目标初始特征进行第一反卷积处理，得到满足第一目标尺度的第一比例输出通道的第一特征；

通过所述反卷积层对所述第一特征进行第二反卷积处理，得到满足第一目标尺度的第二比例输出通道的第二特征，所述第一比例小于所述第二比例；

通过所述可分离卷积对所述第二特征进行第三反卷积处理，生成满足第一目标尺度对应输出通道的目标特征。

5.根据权利要求2所述的方法，其特征在于，所述对所述人脸特征进行回归预测，得到所述待检测人脸的检测结果，包括：

确定对应各目标尺度的目标锚点框，所述目标锚点框包括当前目标尺度的锚点框以及相邻目标尺度的锚点框，所述相邻目标尺度的尺度与所述当前目标尺度最接近且大于所述当前目标尺度；

根据各目标尺度对应的目标锚点框，对各目标尺度的人脸特征进行回归预测，得到对应不同目标尺度的待检测人脸的检测结果。

6.根据权利要求1所述的方法，其特征在于，所述检测模型为预先训练的检测模型，所述检测模型的训练方式包括：

获取训练集图像；

对所述训练集图像中各人脸进行标定，得到标定后的训练集图像；

将所述训练集图像输入构建的初始检测模型中，通过所述初始检测模型对进行人脸检测，并生成对应的检测结果；

根据所述检测结果以及所述标定后的训练集数据，计算所述初始检测模型的模型损失；

基于所述模型损失，对所述初始检测模型进行模型参数的调整，得到参数调整后的初始检测模型；

基于预设的训练参数，对所述参数调整后的初始检测模型进行迭代训练，得到训练后的检测模型。

7.根据权利要求6所述的方法，其特征在于，所述对所述训练集图像中各人脸进行标定，得到标定后的训练集图像，包括：

确定所述训练集图像中各人脸的图像面积占比；

通过预设的掩膜模板去除图像面积占比小于图像占比阈值的人脸，并通过标定框对图像面积占比大于或等于所述图像占比阈值的人脸，得到标定后的训练集图像。